GeneticOptimizer

Optimizador genético

Optimizador de algoritmo genético utilizando la agrupación de medias K con algoritmos ANOVA unidireccionales

ADVERTENCIA: Este fue un proyecto de estudiante de primer año y ahora está fuera de apoyo.

Antes:

Instalación:

Utilice el PIP de Manager de paquetes para instalar genetic_optimizer.

pip3 install genetic-optimizer

Nota:

El paquete requiere => Python 3.6.5, utilizando genetic_optimizer en los proyectos de Python 2.xx puede no funcionar correctamente. Si no está seguro de su versión de Python, intente:

python3 --version

Uso

 import genetic_optimizer

some_object = genetic_optimizer . Optimizer ()
some_object . generate ( population_size = 46 , chromosome_size = 8 , equal_chromosomes = True , initialization_method = 'Random' , representation = 'Binary' , saving_method = 'csv' )

Estas son opciones predeterminadas para el generador, puede cambiarlas en el archivo predeterminado.ini en el directorio de paquetes
Nota: los conjuntos de datos generados están en conjuntos de datos/ subdirectorio

 some_object . optimize ( data = None , iterations = 12 , shuffle_scale = 0.6 , variety = 0.8 , chromosome_weight = 0.0000001 )

Estas son opciones predeterminadas para Optimizer, puede cambiarlas en el archivo STORSS.Conf en el directorio de paquetes

Nota

• Si Optimizer se atascó al principio, eso generalmente significa que su marco de datos con población es demasiado pequeño para encontrar padres apropiados para crear las próximas generaciones.

• Para obtener más descripción, consulte Project Wiki.

Pros

• No hay mutación y probabilidad de cruce. El programa coincide con los padres de acuerdo con las diferencias grupales y crea un nuevo niño, construido a partir de los pares de genes más exitosos de ellos. Eso significa que las nuevas generaciones están más cerca de cada uno y cada uno de los niños no es peor como el padre genético .

• Puede jugar con opciones para lograr resultados más precisos.

Contras

• El proceso de fitness y selección de padres se lleva a cabo de manera recursiva. Si no está utilizando alguna computación RDD, la ejecución del programa puede ser más larga.

Que contribuye

Las solicitudes de extracción son bienvenidas. Para cambios importantes, abra primero un problema para discutir lo que le gustaría cambiar.

Licencia

MIT

Herramientas

• micro editor
• Consola unix

El código se escribe principalmente de acuerdo con la guía de estilo de Google Pep